LuanVan.vnLuận Văn
Gửi thư

Nghiên cứu ứng dụng các mô hình học máy có thể giải thích trong phân tích rủi ro ESG: Thông tin chi tiết từ các công ty S&P 500

Luận văn · Thạc sĩ · năm 2024 · đề tài tham khảo

Loại tài liệuLuận văn
Bậc họcThạc sĩ
NgànhCông nghệ thông tin
Tác giảTrương Chúc Thanh
Người hướng dẫnHoàng Anh
Cơ sở đào tạoTrường Đại học Kinh tế TP. Hồ Chí Minh
Năm2024
NguồnThư viện số Trường Đại học Kinh tế TP. Hồ Chí Minh · trang gốc

Tóm tắt

Các yếu tố Môi trường, Xã hội và Quản trị (ESG) đã trở thành những thành phần quan trọng trong việc đánh giá hiệu suất và rủi ro của công ty. Tuy nhiên, các phương pháp phân tích rủi ro ESG truyền thống thường thiếu minh bạch và không cung cấp được thông tin chi tiết có thể hành động được. Đề án này khám phá ứng dụng của các mô hình học máy có thể giải thích (XAI) để cải thiện khả năng diễn giải và độ tin cậy của phân tích rủi ro ESG. Bằng phương pháp thực nghiệm các mô hình học máy tiên tiến trên bộ dữ liệu từ các công ty S&P 500, đề án này đánh giá hiệu quả của kỹ thuật XAI như SHAP (SHapley Additive exPlanations) trong việc xác định các yếu tố chính ảnh hưởng đến điểm rủi ro ESG. Các mô hình này cung cấp một khuôn khổ minh bạch để các bên liên quan hiểu được các động lực của việc đánh giá rủi ro ESG và hỗ trợ đưa ra quyết định sáng suốt. Các phát hiện làm nổi bật tiềm năng của các mô hình XAI trong việc tăng cường báo cáo và tuân thủ ESG đồng thời cung cấp thông tin chi tiết có giá trị cho các nhà đầu tư và nhà hoạch định chính sách. Hơn nữa, nghiên cứu này đặt nền tảng cho việc tích hợp ML/AI có thể giải thích được vào quản lý rủi ro của tổ chức, thúc đẩy tính minh bạch, trách nhiệm giải trình và sự tin tưởng vào các đánh giá ESG.
Bản toàn văn lưu tại thư viện Trường Đại học Kinh tế TP. Hồ Chí Minh

Thông tin và tóm tắt ở trên lấy từ kho số mở của thư viện trường. Bản toàn văn do thư viện trường quản lý — có nơi cho đọc trực tuyến, có nơi cần tài khoản bạn đọc của trường.

Mở tại thư viện trường ↗
Dùng tài liệu tham khảo cho đúng
  • Đọc để hiểu cách người trước đặt câu hỏi, chọn phương pháp, trình bày số liệu — rồi tự làm với dữ liệu và bối cảnh của bạn.
  • Ý, số liệu, bảng biểu lấy từ tài liệu này phải trích dẫn (tác giả, năm, tên đề tài, cơ sở đào tạo).
  • Đề tài trùng tên vẫn làm được nếu khác đơn vị khảo sát, thời gian hoặc cách tiếp cận — nêu rõ điểm khác trong phần mở đầu.

Hướng dẫn chọn đề tài, cấu trúc và số liệu cho ngành này: Luận văn công nghệ thông tin · Hỏi đáp từng chương với người hướng dẫn số: Học Giả Số · Công cụ số: Luận Văn Số.

Đề tài cùng ngành

Tác giả muốn gỡ, sửa thông tin hoặc bổ sung bản toàn văn: gửi yêu cầu qua trang Liên hệ, kèm đường dẫn trang này.

Tải ứng dụng AI Học Thuật

Tư vấn học thuật, luận văn, công bố quốc tế với chuyên gia — miễn phí trên iPhone, iPad và Android.

Download on the App Store Tải trên Google Play